基于改进粒子群算法的变异体选择优化

• 作者: 孙家泽 杨悦 王曙燕
• 来源期刊: 计算机应用研究
• 关键词: 软件测试 变异测试 变异体选择优化 粒子群优化算法
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 软件技术研究
• 页码范围: 752-755
• 页数: 4页
• 分类号: TP311.5
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.03.026

摘要

变异测试是常用的测试方法之一,变异测试分析的过程中计算开销会比较大,问题主要集中于测试过程中会产生大量的变异体.为了减少变异体的数量,提出用标准粒子群聚类算法进行选择优化,但标准粒子群算法在被测数据量增加到一定数量的时候,它的迭代次数就会增加、收敛速度就会下降.针对以上问题提出基于改进的粒子群算法对变异体进行选择优化.通过对变异体集合进行聚类分区,增强变异体集合的多态性,从而对粒子群算法进行改进优化.实验结果表明,在不影响测试充分度的前提下,使变异体的数量大幅度减少,同时与K-means算法以及标准粒子群算法相比之下,改进后的方法具有更好的优化效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王曙燕	西安邮电大学计算机学院	73	402	11.0	17.0
2	孙家泽	西安邮电大学计算机学院	60	242	9.0	11.0
3	杨悦	西安邮电大学计算机学院	1	12	1.0	1.0